MétaCan
Menu
Retour à la cohorte
Enregistrement W2919349391 · doi:10.5539/ass.v15n3p14

Influencing External Factors for Small Arms Light Weapon Smuggling at Malaysia-Thailand Border

2019· article· en· W2919349391 sur OpenAlexvenueno aff
Rafidah Dahari, Nor Azizan Idris, Zarina Othman

Notice bibliographique

RevueAsian Social Science · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAsian Geopolitics and Ethnography
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPossession (linguistics)LicenseBorder SecurityOrganised crimeBusinessPolitical scienceInternational tradeEconomic growthLawEconomics

Résumé

récupéré en direct d'OpenAlex

End of the Cold War had contributed to the plentitude of firearms within the Southeast Asia region which led to the increase of small arms and light weapon (SALW) smuggling activity. For decades till today, most countries in this region continue to face internal armed conflicts. Malaysia strategic location, situated at the world’s busiest sea lane trades had resulted in rampant cross border crime of SALW smuggling activities. Malaysia’s strict firearms law disallows the possession of SALW without a license. In spite of such strict SALW legislations, these smugglings continues. What are the factors that contribute to the increase of SALW smuggling into Malaysia? The main objective of this article is to scrutinise the external factors that promote the increase of SALW smuggling into Malaysia. This study employs a qualitative method with primary data obtained through preliminary and formal interviews with Malaysian and Thailand security agencies, crime desk journalist, non-governmental organizations, smugglers, former separatist member, former Thai residents, informers and prisoners of SALW related. Whilst secondary data was acquired via credible research. The study found that the national factors and non-national factors have influenced the increase of SALW smuggling into Malaysia.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,305
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetAsian Geopolitics and EthnographyTravaux en français237 207